Python編程matplotlib繪圖挑鉆石seaborn小提琴和箱線圖
想不到大家都這么喜歡用python給女朋友挑鉆石，所以我又寫了個(gè)續(xù)。
如果看過之前一篇用python挑鉆石的文章，那么可以直接從箱線圖開始讀。
seaborn是matplotlib的補(bǔ)充包，提供了一系列高顏值的figure，并且集成了多種在線數(shù)據(jù)集，通過sns.load_dataset()進(jìn)行調(diào)用，可供學(xué)習(xí)，如果網(wǎng)絡(luò)不穩(wěn)定，可下載到本地，然后在調(diào)用的時(shí)候使用把cache設(shè)為True。
其中，diamonds數(shù)據(jù)集中包含了鉆石數(shù)據(jù)，總計(jì)十項(xiàng)，分別是[重量/克拉]carat、切割水平cut、顏色color、透明度clarity、深度depth、table、價(jià)格price以及x、y、z方向的尺寸。
畫圖第一步就是導(dǎo)入包和數(shù)據(jù)。
import seaborn as sns
import matplotlib.pyplot as plt
# 本地加載數(shù)據(jù)集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上幾行代碼后面不再重復(fù)書寫
箱線圖
現(xiàn)在我們想知道Premium, Fair, Very Good, Good, Ideal這五種切割方式所對(duì)應(yīng)的價(jià)格區(qū)間，那么最直接的想法是做一個(gè)箱線圖，就類似K線那種圖。
這個(gè)圖中，箱和線描述了五個(gè)統(tǒng)計(jì)量：最小非異常值、第一四分位數(shù)(25%)、中位數(shù)、第三四分位數(shù)(75%)以及非異常最大值。而最大值上面的那些點(diǎn)，則為異常值。可見，超過1.5萬刀的鉆石屬于異類。
>>> sns.boxplot(x="cut",y="price",data=dia,color='lightblue',fliersize=0.25) >>> plt.show()
其中，fliersize表示異常值的尺寸。
增強(qiáng)箱線圖
箱線圖盡管已經(jīng)可以描述一定的分布特性，但是還不夠，畢竟只有5個(gè)統(tǒng)計(jì)量。
sns中提供了增強(qiáng)版的箱線圖：boxenplot
在這個(gè)圖中，將價(jià)格區(qū)間進(jìn)行了劃分，每個(gè)價(jià)格區(qū)間中，箱子越寬則代表樣本越多。
sns.boxenplot(x="cut",y="price",data=dia,
palette="ch:rot=-.5,d=.3_r")
plt.show()
小提琴圖
如果想再細(xì)致一點(diǎn)，那么就得用小提琴圖了
sns.violinplot(x="cut",y="price",data=dia) sns.despine(left=True)
這樣一看，切割最好的鉆石，價(jià)格區(qū)間竟然以1000左右為主，盡管離譜，但也很真實(shí)了。
以上就是Python編程matplotlib繪圖挑鉆石seaborn小提琴和箱線圖的詳細(xì)內(nèi)容，更多關(guān)于matplotlib挑鉆石seaborn小提琴和箱線圖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章介紹Python中的Numpy 矩陣運(yùn)算,NumPy是Python的一種開源的數(shù)值計(jì)算擴(kuò)展.這種工具可用來存儲(chǔ)和處理大型矩陣,比Python自身的嵌套列表結(jié)構(gòu)要高效的多,支持大量的維度數(shù)組與矩陣運(yùn)算,此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù),下面詳細(xì)內(nèi)容,需要的朋友可以參考一下2021-11-11
這篇文章主要介紹了基于python3實(shí)現(xiàn)倒敘字符串,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
這篇文章介紹了Python的序列化模塊JSON與Pickle，文中通過示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-06-06
淺談tensorflow1.0 池化層（pooling)和全連接層(dense)
本篇文章主要介紹了淺談tensorflow1.0 池化層（pooling)和全連接層(dense)，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了python下讀取公私鑰做加解密實(shí)例詳解的相關(guān)資料,需要的朋友可以參考下2017-03-03
Python的命令行參數(shù),提供了很多有用的功能,可以方便調(diào)試和運(yùn)行,這篇文章主要給大家介紹了關(guān)于Python中三種命令行參數(shù)利用方式的相關(guān)資料,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-12-12
Python 使用threading+Queue實(shí)現(xiàn)線程池示例
今天小編就為大家分享一篇Python 使用threading+Queue實(shí)現(xiàn)線程池示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
這篇文章主要介紹了python多進(jìn)程和多線程，進(jìn)程是分配資源的最小單位，線程是系統(tǒng)調(diào)度的最小單位，下文更多相關(guān)資料介紹，需要的小伙伴可以參考一下2022-04-04
python實(shí)現(xiàn)雪花飄落效果實(shí)例講解
在本篇文章里小編給大家整理了關(guān)于python實(shí)現(xiàn)雪花飄落效果的相關(guān)實(shí)例內(nèi)容，以及代碼寫法，需要的朋友們參考下。2019-06-06
Python實(shí)現(xiàn)爬取需要登錄的網(wǎng)站完整示例
這篇文章主要介紹了Python實(shí)現(xiàn)爬取需要登錄的網(wǎng)站,結(jié)合完整實(shí)例形式分析了Python登陸網(wǎng)站及數(shù)據(jù)抓取相關(guān)操作技巧,需要的朋友可以參考下2017-08-08